Como estrategia de inversión pasiva popular, una estrategia de seguimiento de índices dispersos tiene ventajas sobre una estrategia de replicación de índices completos debido a una mayor liquidez y menores costos de transacción. Los estudios existentes no han considerado la exposición al riesgo sectorial de las carteras que los precios de las acciones en un sector pueden caer al mismo tiempo debido a cambios repentinos en la política o eventos inesperados que pueden afectar a todo el sector. Por lo tanto, la neutralidad sectorial parece ser crítica al construir una cartera de seguimiento de índices dispersos si no se utiliza una replicación completa. El enfoque estadístico para el seguimiento de índices dispersos es un problema de selección de variables restringido. Sin embargo, el procedimiento de selección de variables restringidas utilizando Lasso no logra producir una cartera dispersa bajo las restricciones de neutralidad sectorial. En este documento, proponemos un método de selección de variables restringidas de alta dimensión utilizando TLP para construir carteras de seguimiento de índices bajo restricciones de dispersión, neutralidad sectorial y no negatividad. La consistencia de selección se establece para el método propuesto, y se obtiene la distribución asintótica para el estimador de pesos de cartera dispersa. También desarrollamos un algoritmo de iteración eficiente para la estimación de pesos. Examinamos el rendimiento de la metodología propuesta a través de simulaciones y una aplicación al índice CSI 300 de China. Los resultados demuestran la validez y ventajas de nuestra metodología.